与原始模型不同的CoreML预测

Question

我已经通过两种方式将受Scikit训练的Gradient BoosterRégressionTree（GBRT）模型集成到一个较大的程序中：

• 对于iOS，使用CoreML和coremltools
• 对于Linux，使用pickle并调用python脚本进行分类。

有时候的预测是不同的，事实并非如此。

请注意，这是一个两类问题：输出为0或1。

为解释起见，我将重点放在两个样本上：样本3321和样本3330：预测这两个样本中的3321均为0类，但在iOS上预测为3330为1，在Linux / python版本上预测为0。

这就是我试图解决的问题：

阅读能力

由于我使用的是GBRT分类器，所以我想看看与每个类相关的概率。它们在两个样本中都不同：

在iOS版本中：

• 样本3321，类别0，概率[0.00098，0.99901]
• 第1类样本3330，概率[0.57140，0.42859]

在python中：

• 样本3321 0类概率[0.000724739274，0.999275261]
• 样本3330 0类概率[0.45024302，0.54975698]

显然，这些是不同的。

更改分类器

然后我尝试放入一个SVM分类器（其结果仅次于GBRT），该分类器具有以下几方面的概率：两者也不同（预测和概率）

功能值

然后我认为特征值可能不同（从迅速发送到python脚本时有所改变），因此在两种情况下，在调用预测变量之前，我都打印了特征向量：它们的值完全相同最后一位。

问题

知道为什么会这样，还是正常吗？